BiSeNetV1 和 BiSeNetV2 我对和。 cityscapes val 集上的 mIOUs 和 fps： 没有任何 SS 共享单车 无国界医生 mscf fps(fp16/fp32) 关联 bisenetv1 75.44 76.94 77.45 78.86 68/23 bisenetv2 74.95 75.58 76.53 77.08 59/21 cocostuff val2017 集上的 mIOU： 没有任何 SS 共享单车 无国界医生 mscf 关联 bisenetv1 31.49 31.42 32.46 32.55 bisenetv2 30.49 30.55 31.81 31.73 提示： ss表示单尺度评价， ssc表示单尺度作物评价， msf表示带翻转增强的多尺度评价， mscf表示带翻转评价的多尺度作物评价。

BDD、KITTI、Cityscapes和Foggy Cityscapes百度云链接-附件资源

文件包括：classes.txt; colors.txt; fcn_resnet18.onnx。Jetson Nano官方预训练模型

Cityscapes_TFrecord 用于DeepLabv3+测试 原来的文件下载次数到上限了，重发了一个无限次数的

Cityscapes_TFrecord 用于DeepLabv3+测试

描述 此回购包含ICNet实现由PyTorch，基于的Hengshuang赵和等。 al（ECCV'18）。 默认情况下，对进行培训和评估。 要求 带有以下pip3 install -r requirements.txt Python 3.6或更高版本： 火炬== 1.1.0 torchsummary == 1.5.1 火炬视觉== 0.3.0 numpy == 1.17.0 枕头== 6.0.0 PyYAML == 5.1.2 更新 2019.11.15：更改crop_size=960 ，最佳mIoU增至71.0％。 花了大约2天的时间。 获取 表现 方法 浓度（％） 时间（毫秒） 第一人称射击 内存（GB） 显卡 ICNet（论文） 67.7％ 33毫秒 30.3 1.6 泰坦X ICNet（我们的） 71.0％ 19毫秒 52.6 1.86 GTX

BDD、KITTI、Cityscapes和Foggy Cityscapes百度云链接-附件资源

pytorch-SCNN **于2018/12/15更新。 去做 支持不同的骨干网 支持城市景观 单GPU训练 介绍 这是的PyTorch（0.4.1）实现。它可以使用Modified Aligned ResNet作为主干。目前，我们使用Cityscapes数据集训练SCNN。 安装 该代码已通过Anaconda和Python 3.6进行了测试。安装Anaconda环境后： 克隆仓库： git clone https://github.com/forlovess/SCNN-pytorch.git cd SCNN-pytorch 安装依赖项： 有关PyTorch依赖关系，请参见以获得更多详细信息。 对于自定义依赖项： pip install matplotlib pillow tensorboardX tqdm 训练 请按照以下步骤训练您的模型： 输入参数：（通过python tr

cityscpaes中用于数据读取处理的部分，cityscapes_info.json，cityscapes_info.json，cityscapes_info.json，cityscapes_info.json，cityscapes_info.json

deeplabv3模型在cityscapes数据集下训练 原代码github网址：https://github.com/fregu856/deeplabv3.git 但是有一些bug，已经改了过来 我设置了0积分就可以下载